APP下载

基于干扰管理的宏基站与家庭基站联合资源分配

2014-02-21悦,

应用科学学报 2014年5期
关键词:家庭用户宏基信道

许 悦, 朱 琦

南京邮电大学江苏省无线通信重点实验室,南京210003

在蜂窝网络中,几乎2/3的电话和90%以上的数据业务是在室内产生的.家庭基站,作为布置在家中或商业区中的一种小范围、低功耗、低成本的无线AP,为解决室内覆盖问题提供了契机[1].家庭基站可以通过使用取样器或采取网络监听模式来评估网络中的信道性能,并据此采取相应的自优化策略[2].通过用户自组织的布置家庭基站,可以减轻宏基站的负载,同时提高家庭用户自身的通信质量,降低室内用户的发射功率,实现绿色通信[3].

尽管如此,Femtocell的引入使传统宏蜂窝网络变为两层网络结构——宏蜂窝层和Femtocell层.当两层网络共用频谱时,会产生严重的跨层干扰,况且家庭基站系统间的共层干扰也是不可忽略的.因此,有大量的研究致力于家庭基站系统的干扰控制问题,目前干扰控制的算法主要分为3类:功率控制[4-5]、频谱分配[6]、联合信道功率控制[7].文献[6]提出了一种基于分簇的动态子信道分配算法(dynamic clustering based subband allocation,DCSA),可以在保证QoS的同时有效抑制共信道干扰,提高系统吞吐量,却没有考虑宏蜂窝系统与家庭基站系统之间的跨层干扰,而这种跨层干扰正是家庭基站系统性能受限的主要原因.文献[7]用最优化方法求解家庭基站系统中联合信道与功率控制问题,并根据凸优化和次梯度方法求解功率的闭合式,但其目标是最大化家庭基站系统容量,仍然没有考虑家庭基站的能量效率问题.

随着社会环保意识的加强与节能概念的普及,家庭基站的能量效率成为研究的焦点.文献[8]提出了一种基于能量效率的宏蜂窝与家庭小区联合部署方案,文献[9]提出了一种基于非合作博弈的家庭基站功率控制算法,在保证宏用户QoS的情况下提高了家庭基站能量效率,但缺乏有效的频谱分配,且家庭基站的通信质量也得不到保证.

鉴于此,本文首先在DCSA算法的基础上引入宏用户和家庭小区的联合信道分配,在对家庭小区进行分簇的同时有效降低了家庭基站系统与宏蜂窝系统之间的跨层干扰,提高了宏用户吞吐量;接着在保证宏用户和家庭用户QoS的约束条件下构建了以最小化家庭基站发射功率为目标的最优化问题,并推导了优化的家庭基站发射功率的闭合式;最后用次梯度法解优化问题,显著降低了家庭基站系统干扰,提高了家庭基站能量效率.

1 干扰模型

本文考虑由一个宏基站和Nf个家庭基站组成双层网络,宏小区内有M个宏用户,每个宏用户占用一个信道,共有M个信道,家庭基站和宏基站共享整个频谱.可以假设每个家庭基站对应一个家庭用户,每个家庭用户占用一个子资源块,本文主要研究下行信道,其干扰场景如图1所示.

图1 系统干扰模型Figur e 1 System inference model

从图1中可以看出,当家庭用户A与家庭基站A通信时,所受干扰为宏基站对家庭用户A的跨层干扰与家庭基站B对家庭用户A的共层干扰之和;而宏用户接收来自宏基站的信号时,所受干扰为来自家庭基站A与家庭基站B的跨层干扰之和.

由于宏基站给每个宏用户分配一个信道,而宏基站与家庭基站共用信道,则宏用户k所受干扰为共信道家庭基站对它的跨层干扰

式中,i为本家庭小区序号,j为干扰家庭基站序号,m为宏用户序号,n为信道序号,i为本家庭小区序号,j为干扰家庭基站序号,m为宏用户序号,n为信道序号,家庭基站j与宏用户k间增益为,家庭基站i在信道n上发送功率为,其中i=1,2,···,N0表示噪声的功率谱密度,BW表示每资源块的信道带宽,则信噪比为

2 宏基站与家庭基站联合信道分配

本节主要研究如何分配信道来最小化家庭小区和宏小区之间的跨层干扰以及家庭小区之间的共层干扰,于是提出了基于启发式分簇机制的宏基站和家庭基站联合信道分配算法.该算法首先基于位置信息采用启发式分簇算法[6]对家庭基站进行分簇,使家庭基站下行的共信道干扰最小化,且每个簇内的家庭基站可以共用信道;然后进行宏基站与家庭基站的联合信道分配,即给信道状况好的宏用户优先分配信道,以最小化跨层干扰,提高宏用户容量.

对给定的家庭基站网络,建立权重图G=(V,E,W),其中顶点集V={v1,v2,···,vN},每个顶点代表一个家庭小区;边集E中的元素ei,j表示家庭基站j对家庭用户i有严重干扰;W为权重集,每条边ei,j对应一个权重值wi,j,该权重值表示节点间干扰程度.假设家庭基站发射功率恒定,则权重为干扰信道增益与传输信道增益的比值,可以用家庭基站j对家庭用户i的干扰系数表示为

式中,δth为家庭用户接收灵敏度[10].当wi,j=0时,家庭基站vj对vi的干扰与信道噪声相比可以忽略不计.

依据干扰权重图对家庭小区进行分簇[11],由于子资源块数为M,本文将所有家庭基站划分为M个簇来最小化共信道干扰.最小化共信道干扰的实质就是将每个簇内的节点间干扰总和降到最低,于是可以采用次优的启发式算法[6]求解此问题.

为节点i的边权重之和.当簇Cn中新加入节点h时,与节点h有干扰关系的节点数目为,簇Cn增加的权重之和为.对家庭小区进行分簇之后,将M个家庭小区簇Cn(n=1,2,···,M)所组成的集合记为Cf,进行宏小区与家庭小区联合信道分配.距宏基站较近的宏用户信道增益较大,于是对宏用户按信道增益排序.增益较大的宏用户优先选择干扰最小的的家庭小区簇进行配对,并给每一对家庭小区簇分配与宏用户相同的信道.

宏基站和家庭基站联合信道分配算法流程如下:

初始化 Wn=0,wi=0

步骤1 设宏用户集合为Mu,对宏用户,按照宏用户到宏基站的增益大小降序排列,依次分配信道,并将排列后宏用户集合记为M′u.

步骤2 计算家庭基站顶点集V中每个点vi的wi值,并按wi值大小降序排列,形成新集合V′.

步骤3 将集合V′中前M个节点依次分配给M个簇,并从集合V′中删去这M个节点.

步骤4 每次从集合V′中依次选取一个点h,计算加入每个簇时所得到的,选出n∗=

步骤5 将h加入簇Cn∗,从集合V′中删除点h.

步骤6 若集合V′非空,转到步骤3;否则,结束分簇过程.

步骤8 给家庭小区簇n∗分配与宏用户u相同的信道,并从集合Cf中删去簇n∗,从集合中删去宏用户u.

步骤9 若集合Cf非空,转到步骤7;否则,信道分配完成.

3 家庭基站功率最小化

通过第2节的信道分配算法,家庭小区之间的共信道干扰得到了很好的控制,同时家庭基站系统对宏蜂窝系统的跨层干扰也显著减小.本节主要是在保证家庭用户QoS的前提下最小化发送家庭基站的功率,不仅能有效控制家庭小区之间的干扰,还能显著降低家庭基站的发送功率,提高家庭基站的能量效率,实现绿色通信.此优化问题可表述为

用凸优化理论[12-13]求解上述问题,可将宏用户信噪比约束改写为家庭基站对宏用户干扰受限,将优化问题改写为

其拉格朗日形式为

则有

该问题可以转化为Nf个独立的次优子问题.又因为每个家庭基站在最小化自身的发送功率的同时,也最小化了自己对其他家庭小区的干扰,所以当所有子问题收敛到最优值时,整体解也近似最优.对求导可得

由此可见,一旦确定λi,n和vn,即可求出最优的,其中λi,n和vn可采用次梯度算法[14]求解.

令F对vn求导,则vn的子梯度为

同理,λi,n的子梯度为

拉格朗日乘子更新如下

式中,t为当前的迭代步数,α和β是正的步长,通常按式(15)更新

这样的步长可以保证λi,n和vn最终收敛,从而求出最优的家庭基站发射功率_opt.

4 仿真与性能分析

家庭基站按楼道模型[15]分布,每个房间为10 m×10 m的正方形,家庭基站与家庭用户在房间内随机分布.设每个房间内家庭基站激活概率为p,路径损耗模型如下[16]:室外路径损耗Lout=15.3+37.6lg d,单位为d B,室内路径损耗Lin=38.46+20 lg d,单位为d B.其中d为是信号传播的距离的距离,家庭基站到本小区用户的路径损耗为Lin,家庭基站到其他家庭小区用户的路径损耗为Lout+Lin+2Win,宏基站到宏用户的路径损耗为Lout,宏基站到家庭用户与家庭基站到宏用户的路径损耗均为Lout+Lin+Win+Wout,其中,Win为内墙损耗,Wout为外墙损耗.

将本文算法与两种算法进行仿真比较,一种是文献[6]的算法,另一种是信道随机分配下固定家庭基站发射功率的算法.本文仿真参数如表1所示.

表1 仿真参数Table 1 Simulation parameters

由图2可知,随着家庭基站密度的增大,宏用户所受干扰增大,宏基站总容量则降低.采用宏基站与家庭基站联合信道分配算法之后,宏基站总容量比随机分配信道时高;采用本文提出的功率控制算法之后,宏基站总容量进一步提高.这是因为宏基站与家庭基站联合信道分配算法中,信道状况最好的宏用户选用家庭基站中跨层干扰最小的资源块,最大化了宏基站系统总吞吐量,而本文提出的功率控制算法通过最小化家庭基站的发送功率,进一步降低了对宏用户的干扰.综合信道分配和功率控制来看,本文算法的宏基站总容量最大,且当家庭基站密度越大时,宏用户容量优化越明显.

图2宏基站总容量的变化Figur e 2 Total capacity of Macrocell

图3 的中断概率曲线反映了家庭用户达不到目标信噪比的概率随家庭基站数增加的变化趋势.观察曲线可以发现,采用适当的信道分配算法后,家庭用户之间干扰是可控的,且在每个房间布置一个家庭基站的场景下,家庭用户中断概率不随激活概率的增大而增大;反之,若采用随机信道选择,则不能对共信道干扰进行控制.因此,家庭用户中断概率高于其他两种算法,且随激活概率的增大而增大.另外,本文算法在功率控制环节以家庭用户信噪比目标为约束条件之一,使家庭用户中断概率维持在0.5%以下,更好地保证了家庭用户的QoS.

图3 家庭用户中断概率性能曲线(=10 d B)Figure 3 Femtocell outrage(=10 d B)

由图4可知,当宏用户和家庭基站随机分配信道时,随着家庭基站数目的增大,共信道干扰越来越严重,故每比特能耗也随之增大.采用本文信道选择算法控制干扰后,随家庭基站密度增大的同时,家庭基站的每比特能耗基本不变,即能量效率不随家庭基站密度的增大而降低.尤其是以最小化发射功率为目标进行优化后,不论家庭小区如何布局,每个激活的家庭用户的信噪比均在目标值附近,明显提升了公平性和能量效率.

图4 家庭基站平均每兆比特能耗性能曲线Figure 4 Femtocell energy consumption per Mbit

如图5所示,对家庭基站进行功率控制时,家庭用户的目标信噪比越小,每比特能耗越小,能量效率越高.这是因为在信道条件相同的情况下,目标信干噪越大,需要分配的功率越大,系统干扰越严重,以致降低了整个系统的能量效率.

图5 不同目标信噪比下家庭基站每比特能耗Figure 5 Femtocell energy consumption per Mbit under different target SINR

5 结语

本文提出了一种宏基站与家庭基站联合资源分配方案.首先,在一种启发式动态分簇算法的基础上引入宏基站和家庭基站的联合信道分配,根据家庭小区干扰图对家庭小区进行分簇,控制了家庭小区之间的共信道干扰,并通过联合信道分配有效降低了家庭基站系统与宏蜂窝系统之间的跨层干扰,提高了宏用户吞吐量.接着,在保证宏用户和家庭用户QoS的约束条件下,构建了以最小化家庭基站发射功率为目标的最优化问题,并推导了优化的家庭基站发射功率的闭合式.最后用次梯度法解优化问题,显著降低了家庭基站系统干扰,大大减小了家庭用户中断概率,提高了家庭基站能量效率.

[1]CLAUSSENH,HOL T,SAMUELL G.An overview of the Femtocell concept[J].Bell Labs Technical Journal,2008,13(1):221—245.

[2]ZHANG J,de la ROCHE G.Femtocells technologies and deployment[M].Beijing:Posts&Telecom Press,2010:181-182.

[3]SHEN Xuemin.Green wireless communication networks[J].IEEE Network,2013:2-3.

[4]GURUACHARYA S,NIYATO D,KIM D I,HOSSIAN E.Hierarchical competition for downlink power allocation in OFDMA Femtocell networks[J].IEEE Transactions on Wireless Comunications,2013,12(4):1543-1553.

[5]KANGX,ZHANGR,MOTANIM.Price-based resource allocation for spectrum-sharing Femtocell networks:a stackelberg game approach[J].IEEE Journal of Selected Areas in Communications,2012,30(3):538-549.

[6]LI Wei,ZHENG Wei,WEN Xiangming,SU Tao.Dynamic clustering based sub-band allocation in dense Femtocell environments[C]//Vehicular Technology Conference Spring,2012:1-5.

[7]穆施瑶,朱琦.家庭基站系统中的联合信道与功率控制算法[J].通信学报,2014,4:141-147.

MU Shiyao,ZHU Qi.Joint channel allocation and power control in femtocell system[J].Journal on Communications,2014,4:141-147.(in Chinese)

[8]PAN Z N,SHIMAMOTO S.Cell sizing based energy optimization in joint macro-Femto deployments via sleep activation[C]//Wireless Communications and Networking Conference,2013:4765-4770.

[9]ZHENG Wei,SU Tao,LI Wei,LU Zhenping,WEN Xiangming. Distributed energy-efficient power optimization in two-tier Femtocell networks[C]//Workshop on Energy Efficiency in Wireless Networks&Wireless Networks for Energy Efficiency,2012:5767-5771.

[10]3GPP,TS 25.467,V10.2.0,UTRAN architecture for 3G Home NodeB(HNB)[S],2011.

[11]SAHNI S,GONZALEZ T.P-complete approximation problems[J].Journal of the ACM,1976,23(3):555-565.

[12]WEI Y,RAYMOND L.Dual methods for nonconvex spectrum optimization of multicarrier systems[J].IEEE Communications Magazine,2006,54(6):1310-1321.

[13]SUN Shunqiao,NI Weiming,ZHU Yu.Robust power control in cognitive radio networks:a distributed way[C]//IEEE International Conferenceon Communications,2011:1-6.

[14]BERTSEKAS D.Constrained optimization and Lagrange multiplier methods[M].New York:Academic,1982.

[15]季祥芬.基于强化学习的家庭基站干扰协调算法研究[D].南京:南京邮电大学,2013.

[16]CHANDRASEKHAR V,ANDREw SJ G,GATHERER A.Femtocell networks:a survey[J].IEEE Transaction on Wireless Communications,2008,3(9):59-67.

猜你喜欢

家庭用户宏基信道
超大屏显示才是它的菜Acer(宏基)P5530
电力市场环境下家庭智慧能源网关概念及设计
FRFT在水声信道时延频移联合估计中的应用
基于导频的OFDM信道估计技术
咩儿驾到
家庭基站系统中的联合信道与功率控制算法
一种基于GPU的数字信道化处理方法
WLAN信道黑名单功能的提出与实现
中、东欧数字电视发展加速如期实现模拟停播路漫漫
宏基接手联想奥运计划 全球PC第三之争再成焦点